by Rain Chu | 8 月 29, 2026 | AI , claude , codex , OpenAI , 圖型處理 , 影片製作 , 繪圖
AI 做動畫已經不只是叫模型生一段畫面。更實用的方向,是把動畫規則、鏡頭語言、渲染流程和品質檢查包成 Skill,讓 Codex、Claude Code 或其他 coding agent 知道該怎麼完成一支片。
這次整理的七個 AI 動畫 Skills,剛好涵蓋七種常見需求,從網頁動效、Logo 開場、數據動畫,到產品廣告、手繪故事和動態設計原則都有。它們不是同一類工具,也不需要全部安裝。先看自己要做什麼,再選對 Skill,會比堆一大包能力有效得多。
先講結論,短片該選哪一個
如果目標是快速做社群短片,我會先選 HyperFrames,它讓 Agent 用 HTML、CSS 和 JavaScript 描述畫面,再輸出成影片,對 Codex 很直覺,若內容以數字、圖表或年度回顧為主,Remotion 會更適合。產品網站想做成有電影感的廣告,可以直接看 video-shotcraft。
Logo 動畫 選 Pixel2Motion,中文故事轉手繪 日記選 story-to-handdrawn-video。GSAP AI Skills 負責把網頁互動 做得更有彈性和節奏,LottieFiles motion-design-skill 則像一位動態設計導演 ,幫 Agent 先把時機、緩動和編排想清楚。
Skill 最適合的任務 主要輸出 我會怎麼選 HyperFrames 網頁式動畫、短影音、產品解說 HTML 影片工程 想用 Codex 快速做片先選它 GSAP AI Skills 網頁互動、滾動動畫、UI 動效 可執行的前端動畫 網站看起來太硬時使用 Pixel2Motion Logo reveal、品牌開場 SVG、HTML、GIF 或影片預覽 手上只有點陣 Logo 時使用 Remotion Agent Skills 數據、圖表、字幕、批次影片 React 影片工程 需要精準時間軸與可重複生成時使用 video-shotcraft 產品宣傳片、網站功能廣告 電影感 Remotion 成片 有真實產品畫面時最有價值 story-to-handdrawn-video 中文故事、手繪日記動畫 直式手繪無聲影片 敘事型短片可以直接套流程 motion-design-skill 節奏、緩動、動態設計審查 設計規則與改進建議 搭配其他 Skill 一起用
Skill 和動畫工具有什麼不同
GSAP、Remotion 和 HyperFrames 是能真正執行動畫或渲染影片的工具,Skill 則是給 AI Agent 的工作說明,裡面會放最佳做法、檔案結構、動效規則、操作命令、常見失敗和驗收方式,它不會讓模型突然變成動畫師,但可以減少 Agent 亂猜 API、亂排時間軸和做出模板感畫面的機會。
如果你還不熟悉這種能力包,可以先看我整理的自訂 Skill 完整教學 ,它的重點不是多一個聊天指令,而是把可重複的製作方法交給 Agent。
1. HyperFrames,把網頁變成可渲染的影片
HeyGen HyperFrames 的核心很簡單,先用 HTML 寫畫面,再把瀏覽器中的動畫確定性地渲染成影片,Agent 可以處理分鏡、CSS、GSAP、素材、字幕、音訊和輸出,因此很適合做產品解說、社群短片、動態圖表與網站展示。
它和傳統剪輯軟體的差別,是畫面本身可以被程式控制,只要資料結構固定,同一套模板就能換內容重新輸出,想深入理解它的架構,可以接著看HyperFrames 用 HTML 寫影片 。
npx hyperframes init my-video --example blank
cd my-video
npx hyperframes preview
npx hyperframes render
2. GSAP AI Skills,讓網頁動效不再只是淡入淡出
GSAP AI Skills 是官方提供給 coding agent 的動畫知識包,涵蓋核心時間軸、Tween、ScrollTrigger、Flip、MorphSVG 和常見清理方式。它適合處理會浮、會彈、會跟著捲動改變的網站互動。
GSAP 的價值不是特效多,而是時間軸和控制能力成熟。Agent 知道怎麼設定 easing、stagger、觸發條件和資源清理後,做出來的動畫會比隨手拼 CSS transition 穩定很多。
npx skills add greensock/gsap-skills
3. Pixel2Motion,一張 Logo 變成品牌動態開場
Pixel2Motion 會先把 PNG、JPG 或截圖中的 Logo 重建成平滑 SVG,再設計 motion、logo reveal 和 HTML 動態展示,它不是單純把圖片放大縮小,而是先處理向量結構,再對圖形部件安排動作。
這個流程很適合品牌開場、App 啟動畫面和社群短片片頭,官方專案也加入幾何比對、動作幀截圖和最終畫面檢查,讓 Agent 不只產出會動的檔案,也留下可審查的證據。
npx skills add nolangz/pixel2motion
4. Remotion Agent Skills,用 React 做精準影片
Remotion Agent Skills 把 Remotion 的動畫、字幕、音訊、3D、圖表、渲染與元件設計規則交給 Agent。Remotion 本身以 React 組成影片,每一幀都能由程式和資料決定,因此很適合年度回顧、排行榜、圖表動畫、批次內容和字幕短片。
它的學習成本比單純 HTML 高,但大型專案會更好維護。之前整理的Codex 動態圖表和短影片工作流 ,就很適合拿 Remotion 處理需要精準幀數與資料驅動的部分。
npx skills add remotion-dev/skills
npx create-video@latest
5. video-shotcraft,把產品畫面剪成電影感廣告
video-shotcraft 是一套以 Remotion 為基礎的產品影片製作 Skill。它提供超過一百張鏡頭配方卡、可預覽的動作樣式、2.5D 運鏡、節奏卡點、音效和可直接替換內容的完整模板。
最實際的用法,是把網站或桌面產品的真實畫面交給 Agent,再指定想使用的鏡頭卡。它會處理素材採集、分鏡、運鏡、轉場、聲音和品質檢查。相比只生成幾張氣氛圖,這條路更能把真正的產品功能講清楚。
npx skills add Vincentwei1021/video-shotcraft
6. story-to-handdrawn-video,中文故事轉手繪日記動畫
story-to-handdrawn-video 能把中文故事或排序好的圖片,轉成直式手繪日記動畫,它會安排手寫文字、黑白線稿、彩色插圖與翻頁轉場,輸出可再加入旁白的 H.264 畫面。
這個 Skill 適合個人故事、知識小品、品牌創辦歷程和情緒型內容。它的風格很明確,不適合硬套在科技產品展示,但用在敘事題材時能快速建立一致的視覺語言。
git clone https://github.com/gnipbao/story-to-handdrawn-video.git
cd story-to-handdrawn-video
npm install
7. motion-design-skill,先教 Agent 什麼叫手感
LottieFiles motion-design-skill 不綁定特定動畫框架。它教的是 timing、easing、choreography、情緒意圖和改寫成 UI 動效的經典動畫原則。CSS、GSAP、Framer Motion、Lottie 都能使用這套思考方式。
很多 AI 動畫技術上能跑,卻沒有重量、停頓和節奏,原因通常不是少一個套件,而是 Agent 沒先決定動作要傳達什麼。這個 Skill 最適合當成第二層能力,搭配 HyperFrames、GSAP 或 Remotion 一起使用。
npx skills add LottieFiles/motion-design-skill
可以直接貼給 Codex 的繁體中文提示詞
不要只寫「幫我做一支動畫」。先把目的、尺寸、時長、素材、節奏和驗收條件講清楚。下面這份可以直接改主題使用。
請使用適合的動畫 Skill,製作一支 15 秒直式短片,比例 9:16。
目的
用最短時間介紹我的產品如何把文字整理成可搜尋的知識庫。
素材
使用專案中的真實產品截圖與品牌色,不要使用無關的 AI 圖片。
結構
0 到 3 秒呈現使用者找不到資料的痛點
3 到 8 秒展示匯入、整理與搜尋流程
8 到 12 秒用數字動畫顯示節省的時間
12 到 15 秒顯示產品名稱與行動文字
動效
畫面轉場要乾淨
數字使用平滑遞增
卡片進場要有重量感與短暫停頓
不要讓所有元素同時移動
限制
不要藍紫科技風
不要粒子背景
不要讓文字互相遮擋
不要使用未授權素材
驗收
先做 5 秒風格原型
確認手機畫面可讀後再完成全片
最後檢查每一幀是否有文字裁切、元素重疊和空白畫面
我的建議組合
社群短片選 HyperFrames,加 motion-design-skill 控制節奏
網站互動選 GSAP AI Skills,加 motion-design-skill 做動態審查
數據影片選 Remotion Agent Skills
產品廣告選 video-shotcraft,再用真實頁面截圖
品牌片頭選 Pixel2Motion
故事內容選 story-to-handdrawn-video,再補旁白、字幕和音效
更完整的製作管線可以參考OpenMontage 本地 AI 影片工作流 。它把研究、腳本、素材、渲染和驗收串起來,而這七個 Skill 比較像其中的專業工位。先把一個工位用熟,再擴大成自動化流水線,成功率會高很多。
FAQ
完全不會寫程式也能用嗎?
可以從提示詞開始,但仍要看得懂 Agent 建立了哪些檔案、如何預覽和輸出。HyperFrames 與 video-shotcraft 對成品導向較友善,Remotion 更適合願意維護 React 專案的人。
只想做短片,最推薦哪一個 Skill?
一般社群短片先選 HyperFrames。數據類短片選 Remotion。產品宣傳片選 video-shotcraft。風格容易僵硬時,再加 motion-design-skill 幫 Agent 調整節奏。
安裝很多 Skill 會不會讓 Agent 更強?
不一定。能力太多會增加選擇和上下文成本。每次任務只啟用一個主要製作 Skill,再搭配一個設計或品質檢查 Skill,通常會比較穩定。
by Rain Chu | 7 月 11, 2026 | AI , codex , OpenAI
Codex 不只是拿來寫程式,也可以變成一個會做視覺內容的 AI 製作助理。只要把需求講清楚,它可以幫你產出動態圖表、短影片、科普動畫、產品宣傳片,甚至把 HTML、CSS、動畫邏輯和素材組裝流程一起處理掉。
這件事最有趣的地方是,起步不一定需要 AE、PR 或完整剪輯能力。真正的門檻反而變成另一件事:你能不能把「我要什麼樣的畫面」說清楚。AI 會寫程式,但審美、節奏、鏡頭語言、授權和成本,還是要由人來管。
Codex 適合做哪一類動態內容
最適合交給 Codex 的,不是需要大量真人素材或複雜運鏡的商業大片,而是可用程式描述的視覺內容。例如動態圖表、數據比較、產品功能展示、技術概念解釋、醫學或科研科普、社群短片開場、簡報轉短影片。
這類內容的共通點是結構明確。你可以指定尺寸、時長、分鏡、配色、字體、圖表資料、動效節奏,然後讓 Codex 產出可預覽的 HTML 或影片工程。若再接上 HyperFrames 這種用 HTML 寫影片的工作流 ,AI Agent 就能把網頁式畫面轉成可輸出的影片片段。
提示詞不要只寫「幫我做一支影片」
很多人第一次用 Codex 做影片,會直接丟一句「幫我做一支 20 秒產品宣傳片」。這樣確實有機會跑出東西,但結果通常很大眾化,容易變成常見科技風、藍紫漸層、過度抽象的圖卡。
比較好的 prompt 要包含幾個層次:
目的:這支內容要解釋、銷售、比較、教學,還是吸引點擊。
時長和比例:例如 15 秒、20 秒,橫版 16:9 或直式 9:16。
視覺風格:例如蘋果式極簡、醫學科普插畫、冷白石墨黑、微藍加暖金。
分鏡節奏:每一段畫面幾秒,文字怎麼進出,圖表何時放大。
素材限制:能不能用外部圖片、要不要用 AI 音樂、是否需要字幕。
驗收標準:不要跑版、文字不能重疊、手機和桌面尺寸都要可讀。
如果你平常已經在用 Codex 做開發任務,可以把它想成「把產品需求文件換成影片需求文件」。我之前整理過 Codex 與 GPT-5.6 結合成 AI 代理 的方向,這類影片工作流其實就是把代理能力往內容製作延伸。
一個可重複的 Codex 影片 prompt
可以先用這個框架當起點:
請做一支 20 秒的產品介紹短片,比例 16:9。
主題是:把 Codex 和 HyperFrames 用在動態圖表與 AI 影片製作。
請輸出可預覽的 HTML 動畫,畫面要能之後轉成影片。
視覺風格:
- 蘋果式簡約
- 冷白背景
- 石墨黑文字
- 微藍科技感
- 暖金作為重點提示
結構:
1. 0 到 4 秒:用一句話說明痛點
2. 4 到 10 秒:展示 Codex 生成圖表和畫面
3. 10 到 16 秒:展示 HyperFrames 轉成影片流程
4. 16 到 20 秒:收斂成一句行動建議
動效:
- 文字淡入
- 圖表數字遞增
- 卡片左右滑入
- 重點詞放大但不要擋到內容
限制:
- 不要使用外部圖片
- 不要讓文字重疊
- 每個畫面都要有清楚留白
- 最後提供可修改的檔案結構
這種 prompt 的重點不是字多,而是把 AI 容易亂猜的地方先固定。尺寸、時長、配色、動效、節奏、素材權限都講清楚,Codex 才比較像製作助理,而不是自由發揮的設計師。
導演風格提示詞可以這樣用
做動態圖表或 AI 短片時,最容易失控的是視覺風格。只寫「要有電影感」太抽象,只寫「科技風」又很容易跑成藍紫色模板。比較穩的方法,是把風格拆成色彩、光線、鏡頭、構圖、材質和避免事項,讓 Codex 可以直接轉成畫面規則。
使用方式很簡單:先用前面的基礎 prompt 定義主題、時長、比例和分鏡,再從下面挑一組風格包貼到「視覺風格」段落。如果是商業簡報或產品介紹,建議先用 Apple Event Opening Film 式、Muji 式或 Aesop 式。如果是科幻感、城市情緒或詩性科普,再選 Denis Villeneuve 式、Wong Kar-wai 式、Tarkovsky 式或 Terrence Malick 式。
可直接貼給 Codex 的風格控制模板
請依照以下格式套用視覺風格,不要只模仿表面元素。
風格名稱:
用途:
色彩:
光線:
鏡頭:
構圖:
材質:
避免:
請把這些規則套用到每一個場景,並在輸出前檢查文字可讀性、畫面留白、動效節奏和手機尺寸。
Denis Villeneuve 式
適合做大型系統、AI 架構、資料中心、未來城市、算力平台這類有重量感的主題。
風格名稱:Denis Villeneuve 式
用途:冷峻史詩感,適合科幻、巨型建築、AI 基礎設施、算力平台
色彩:低飽和沙色、混凝土灰、灰青色、深黑,禁止霓虹藍紫
光線:柔和定向光、體積霧、大面積陰影、低對比但黑位深
鏡頭:慢速推軌、廣角大全景、少手持、24fps 電影感
構圖:近對稱、巨量留白、小人物對比巨大空間
材質:混凝土、塵土、啞光金屬、煙霧、舊織物
避免:不要藍紫科技感,不要 HUD,不要快節奏剪輯,不要廉價未來感
Wong Kar-wai 式
適合做都市情緒、社群故事、創作者工具、夜間產品展示、情感型品牌短片。
風格名稱:Wong Kar-wai 式
用途:都市暖味情緒,適合夜景、人物孤獨感、創作者故事
色彩:深紅、琥珀暖光、綠色陰影,控制飽和度,避免企業藍紫
光線:實景燈光、霓虹反射、鎢絲燈、潮濕街道高光
鏡頭:長焦特寫、淺景深、輕微手持、慢動作碎片感
構圖:前景遮擋、玻璃反射、親密近景、不完美構圖
材質:雨水、玻璃、煙霧、舊牆面、織物、膠片顆粒
避免:不要賽博龐克,不要廉價霓虹,不要過度銳利,不要乾淨企業感
Tarkovsky 式
適合做哲學型科技反思、長篇研究、知識工作流、慢節奏概念片。
風格名稱:Tarkovsky 式
用途:詩性冥想感,適合哲學科技、研究筆記、長時間思考
色彩:灰綠、濕土棕、灰白天空、低飽和自然色
光線:自然陰天光、柔和漫射、弱對比、無人工炫光
鏡頭:長鏡頭、極慢推軌、靜止觀察式鏡頭、少剪輯
構圖:深空間、前後景層次、人物隱於自然或建築中
材質:水面、霧、灰塵、苔蘚、舊木、石牆、舊布料
避免:不要快剪,不要炫技轉場,不要賽博視覺,不要藍紫科技感
Terrence Malick 式
適合做自然、生活、醫學科普、教育、親和型產品介紹,畫面會比較有呼吸感。
風格名稱:Terrence Malick 式
用途:自然抒情感,適合生活科技、教育、醫學科普、溫柔品牌敘事
色彩:暖高光、柔和綠色、自然膚色、淡天空色、中低飽和
光線:日落逆光、自然陽光、柔和鏡頭炫光、空氣感
鏡頭:漂浮手持、輕微廣角、低機位觀察、慢節奏
構圖:非對稱自然構圖、人體置於風景中、前景層次豐富
材質:草地、亞麻、皮膚、塵土、水面、風吹布料
避免:不要商業廣告過度修飾,不要藍紫科技感,不要硬質 UI,不要炫技轉場
Apple Event Opening Film 式
適合做產品發布、SaaS 功能展示、硬體展示、正式感很強的開場短片。
風格名稱:Apple Event Opening Film 式
用途:精密發布會開場感,適合產品發布、功能亮相、硬體和 SaaS 展示
色彩:單色基底加一個克制點綴色,暖白、石墨黑、香檳金、暖灰
光線:工作室級受控照明、柔和鏡面高光、非數字炫光
鏡頭:微距到廣景的平滑過渡、慢推、精確環繞、視差控制
構圖:幾何抽象、層級清晰、留白充分、視覺秩序嚴謹
材質:啞光金屬、磨砂玻璃、液體表面、織物、微細紋理
避免:不要粒子特效,不要 glitch,不要彈性動畫,不要藍紫科技感
Muji 式
適合做安靜日常、效率工具、筆記 App、知識管理、個人工作流介紹。
風格名稱:Muji 式
用途:安靜日常極簡,適合效率工具、筆記 App、生活型產品、個人工作流
色彩:象牙白、米色、淺木色、柔灰、自然棕
光線:自然窗光、柔和陰影、溫暖環境光、無戲劇化光效
鏡頭:眼平視角、靜態鏡頭、緩慢推近、輕觀察感
構圖:功能性擺放、留白、非對稱、日常尺度
材質:紙張、木材、棉麻、陶瓷、磨砂塑料、亞麻布
避免:不要未來科技感,不要發光 UI,不要高飽和配色,不要商業炫技
Aesop 式
適合做高質感知識品牌、研究型產品、顧問服務、空間感強的品牌短片。
風格名稱:Aesop 式
用途:文學建築感,適合高質感品牌、知識服務、研究型產品、顧問簡報
色彩:炭黑、暖棕、琥珀、石灰灰、深綠、奶油白
光線:低調暖光、定向高光、柔和陰影漸變、室內氛圍光
鏡頭:緩慢建築式平移、靜物特寫、穩定觀察鏡頭
構圖:博物館式留白、層架陳列、低調奢華、秩序克制
材質:石材、深木、琥珀玻璃、紙張、陶瓷、皮革
避免:不要 flashy luxury,不要臨場式金色,不要藍紫科技感,不要誇張動效
這些風格包最好不要一次全部貼進同一個任務。每次只選一種主風格,再補一句「如果有 UI 或圖表,要保持文字清楚、留白足夠、不要遮住數據」。
Codex 生成第一版後,再要求它檢查三件事:文字是否重疊、動效是否太花、手機尺寸是否仍然可讀。
HyperFrames 和 Remotion 各有位置
Remotion 更像 React 影片工程,適合已經熟悉 React 的開發者。HyperFrames 則偏向讓 AI Agent 以 HTML 結構描述畫面,再輸出影片,對 Codex 這種代理工作流很自然。
也有人會用 Remotion 讓 Codex 生成動畫,這條路完全可行,只是如果你的目的不是長期維護一個 React 影片專案,而是快速把概念做成短片,HyperFrames 的心智負擔會更低。若你要跑本地或半自動化的 AI 影片管線,也可以對照 OpenMontage 本地部署實測 的做法。
真正要小心的是成本、品質和崩潰
AI 做動態內容很容易讓人興奮,但不要忽略三個現實問題。
第一是時間成本:幾秒鐘的視覺效果,有時可能跑十幾分鐘。若 prompt 太模糊,AI 反覆嘗試、安裝套件、重建專案、預覽失敗,時間就會被吃掉。
第二是穩定性:像「Turn this website into a 20-second product promo」這種看似方便的提示詞,遇到複雜網站或工具限制時,可能長時間執行後才報錯。比較穩的做法是先要求 Codex 做 5 秒原型,確認視覺方向和技術路線,再擴到 20 秒完整版本。
第三是美感:AI 會做出能動的畫面,但「能動」不等於「好看」。如果你沒有指定風格,它很容易產生通用科技模板。要改善這件事,prompt 裡要明確寫出參考方向、色彩限制、節奏限制、不要使用的元素,甚至要求它先給三套視覺方案再開始實作。
音樂和素材授權也要先想清楚
短影片通常會想加背景音樂,但 AI 音樂不是生成了就一定能商用,像 Suno 這類工具,不同訂閱方案會影響音樂權利歸屬,免費版本版權不是屬於製作人的,若內容是公司、商品、廣告或公開營利用途,音樂授權一定要先確認,之前整理 Tunee AI 和 Suno 對比 時,也能看出 AI 音樂生成越方便,授權問題越不能放到最後才處理。
我的建議流程
先用一句話定義影片目的。
寫出 4 到 6 個分鏡,不要一開始就要求完整大片。
指定尺寸、時長、配色、字體和動效。
先做 5 秒原型,確認風格後再擴展。
要求 Codex 檢查文字重疊、版面跑位和預覽錯誤。
最後才加入音樂、配音、字幕與輸出格式。
用 Codex 做動態圖表和短影片,現在已經不是玩具級別。它可以讓不會 AE 和 PR 的人快速做出第一版,也能讓工程師把資料視覺化變成可分享的內容。但越是自動化,越需要人把需求寫得精準。AI 負責執行,你負責判斷什麼才是好看的、能用的、可以公開的。
FAQ
Codex 可以直接做影片嗎?
可以協助做影片工程、HTML 動畫、動態圖表和可轉成影片的畫面,但通常還是需要搭配 HyperFrames、Remotion 或其他渲染工具完成輸出。
為什麼 AI 生成的動畫看起來很呆?
通常是 prompt 沒有指定視覺風格、節奏、動效細節和禁用元素。先要求三套風格方案,再選一套做原型,品質會穩很多。
HyperFrames 和 Remotion 要選哪一個?
熟 React 且要長期維護影片工程,可以選 Remotion。想讓 AI Agent 快速用 HTML 描述和渲染短片,HyperFrames 會更直覺。
AI 影片生成會很花 token 嗎?
會,尤其是長時間反覆生成、安裝套件、修錯和預覽。建議先做短原型,確認方向後再擴成完整版本。
by Rain Chu | 7 月 10, 2026 | AI , Chat , OpenAI , 模型
ChatGPT Work 的重點,不只是 OpenAI 又多了一個模式,而是 Codex 的 Agent 執行能力正式被放進 ChatGPT 裡,並由 GPT-5.6 Sol、Terra、Luna 三個模型層級支撐起來。
這代表 ChatGPT 正在從「聊天視窗」變成「能跨檔案、跨應用程式、跨瀏覽器、跨團隊工具做事的 AI 代理」,以前 Codex 比較像工程師工具,現在它的能力被包進一般知識工作者也能理解的 Work 模式裡,這一步很關鍵。
我會把這次更新理解成三件事:
第一,Codex 不再只是寫程式,而是成為 ChatGPT 的行動層
第二,GPT-5.6 把模型能力分成 Sol、Terra、Luna,讓不同成本和任務有不同選擇
第三,Sites、桌面 App、外掛目錄、Ultra 多 Agent 模式,正在把「讓 AI 完成工作」這件事產品化。
而且不用再多開多個 APP 了
先講結論:ChatGPT Work 是 Codex 走向全民化的形態
以前談 Codex,直覺會想到寫程式、改 repo、跑測試、開 PR,這次 ChatGPT Work 的定位不同,它不是只服務開發者,而是把 Codex 那套長任務執行能力拿去處理一般工作:分析 Excel、整理資料夾、生成簡報、建立互動式網站、讀 Slack 或 Gmail、把結果發回團隊工具。
這也解釋了為什麼 OpenAI 要把 Chat、Work、Codex 放在同一個桌面應用程式裡。
Chat 負責快速問答,Work 負責長任務,Codex 負責更深的開發與工具執行。對使用者來說,不需要再思考「我現在要開哪個產品」,而是直接把任務丟進同一個工作入口。
站上之前整理過 從 Claude Code、Codex、Hermes 到 nuwa-skill 的 AI 工作流 ,那時 Codex 還比較偏工程場景;ChatGPT Work 則是把這條路推向更大的辦公場景。
GPT-5.6 三層模型:Sol、Terra、Luna 各自負責不同工作
這次 GPT-5.6 不再只是單一模型名稱,而是拆成三個層級。
模型 定位 適合場景 Sol 旗艦模型 高難度 Agent 任務、程式碼、設計判斷、複雜知識工作 Terra 日常均衡模型 一般工作流、文件分析、較高頻的辦公任務 Luna 快速低成本模型 大量處理、成本敏感、速度優先的任務
這個分層很務實。不是每個任務都需要 Sol,也不是每個人都該用最高推理檔。真正成熟的 AI 工作流,應該是把最貴的模型留給最難的決策,把便宜快速的模型用在大量例行工作。
參考資料裡提到的定價方向也很清楚:
Sol 最貴,Terra 居中,Luna 最便宜。這代表未來使用 ChatGPT Work 時,模型選擇會變成工作流設計的一部分,而不只是「選最強」。
Ultra 模式:不是一個模型想更久,而是一組 Agent 並行
Ultra 模式很值得注意。它不是單純把同一個模型推理時間拉長,而是讓多個 Agent 平行工作,再把結果整合起來,這和過去「一個模型慢慢想」的概念不同,更接近一個小團隊同時拆任務。
這種設計特別適合長任務:研究、寫報告、建立網站、跑程式、做多版本比較、測試不同方向,當任務可以拆成多條路並行時,Ultra 的價值才會出來。
但它也帶來現實問題:用量會變大。實測留言裡有人提到 Work 模式會快速消耗額度,這點很合理。多 Agent 並行不是免費加速,它本質上就是用更多 token、更多運算,換更高成功率或更短等待時間。
ChatGPT Work 可以做什麼?重點是「交付成果」
ChatGPT Work 最重要的變化,是它不只回答問題,而是直接交付成果,官方展示裡出現幾個很典型的辦公場景:讀 Slack 和員工回饋、找出適合訪談的人、安排會議;分析財務模型、更新 Excel、生成 PowerPoint;把分析結果做成可分享的互動網站。
這些任務的共同點是:它們不是一句問答,而是需要跨多個資料源、跨多個步驟、最後輸出一個可用成品,這就是 Codex 能力進入 ChatGPT 的意義,Codex 原本擅長把目標拆成步驟、執行工具、檢查結果,Work 則把這套能力包成知識工作者能用的產品介面。
如果你想把這類長任務做得更穩,前置需求釐清仍然很重要,我會把 Grill Me 需求訪談工作流 放在 ChatGPT Work 前面用:先問清楚目標、限制、輸出格式和驗收標準,再讓 Work 開始執行。
桌面 App 是關鍵:本機檔案、瀏覽器分頁、其他 App 都進來了
新的 ChatGPT 桌面 App 是這次更新裡非常關鍵的一塊。它不只是把網頁版包成桌面視窗,而是讓 ChatGPT 可以碰到本機檔案、瀏覽器分頁,甚至其他應用程式。
這代表一個很大的轉折:AI 不再只讀你貼進對話框的內容,而是能在你授權的範圍內,直接理解桌面上的工作現場。資料夾裡的 PDF、Chrome 分頁裡的背景資料、Apple Notes 裡的凌亂筆記、試算表裡的回饋資料,都可以成為任務上下文。
這和 OpenWork / OpenCode 桌面工作台 的方向其實相通:AI Agent 最後一定會往「讀得到你的工作環境、操作得到工具、交付得了成品」這條路走。
Sites:從報告變成可分享的互動工具
Sites 是另一個我覺得很重要的功能。過去 AI 幫你整理資料,多半輸出一段文字、一個表格或一份簡報,Sites 則是把結果變成互動網站、內部工具、儀表板或原型。
這會改變「交付物」的想像。財務分析不一定只能是一份 PowerPoint,也可以是可互動的 dashboard,產品規劃不一定只能是一份文件,也可以是可點擊的 prototype;資料整理不一定只是摘要,也可以變成團隊能共同查看的網站。
這裡也可以接回站上之前整理過的 AISA 一個 API Key 連上多種資源 。未來真正有價值的不是單一模型,而是模型、資料源、外掛、網站部署和團隊協作工具串在一起的工作流。
外掛目錄回來了,但這次不是 2023 年那種玩具感
這次新的統一外掛程式目錄,包含 Google Drive、SharePoint、Slack、Microsoft Teams、Gmail、Outlook、Salesforce、Adobe、Zoom、LinkedIn、GitHub、Canva、Dropbox 等整合。這很像 2023 年 ChatGPT Plugins 的第二次機會,但底層條件已經不同。
2023 年的外掛比較像「讓聊天機器人查外部資料」。這一次的外掛更接近「讓 Agent 取得任務所需的工作上下文」。當模型具備長任務執行能力,外掛就不是裝飾,而是資料入口、工具入口和交付入口。
也就是說,外掛目錄真正的價值,不是多支援幾個品牌,而是讓 ChatGPT Work 可以在你的工作系統中移動:讀資料、做分析、產出文件、發送結果、更新工具。
實測很強,但不能神化:耗時、額度、細節錯誤仍然存在
NiceKate AI 的實測很有參考價值,因為它不是只看官方展示,而是拿 GPT-5.6 Sol 跑圖片辨識、PPT、Excel、網頁設計、Image to Code、3D 建模、Android App UI 審查、macOS App 開發和短片生成。
好的部分很明顯:頁面設計質感比前代更好,能做更完整的互動式視覺化,能把圖片轉成可互動網頁,能操作 Android 裝置截圖做 UI 審查,也能在 macOS App 開發中自行遇到錯誤再修正。
但限制也很清楚:有些任務會跑 19 分鐘、30 分鐘、甚至 40 分鐘,複雜 3D、交通仿真、精密還原仍會出現結構錯誤,Work / Codex 模式會明顯消耗額度,這不是「按一下就完美交付」的魔法,而是「可以把更多長任務交給 Agent,但你要學會規格、驗收和成本控管」。
模型能力對很多人來說可能已經過剩,真正重要的是在實際場景裡能解決什麼問題。這句話很適合放在 ChatGPT Work 上。不要只測模型會不會做炫技 demo,要問它能不能幫你穩定完成週報、資料整理、客戶研究、網站原型、財務分析、App 審查這些真任務。
安全與權限:Agent 能做事後,風險也變具體了
當 ChatGPT Work 可以讀檔案、看瀏覽器、操作 App、存取 Slack / Gmail / Drive,安全問題就不再是抽象討論。它能做越多,越需要清楚的權限、審查和用量控管。
參考資料提到 Auto-Review、安全監控、紅隊測試、依風險調整存取權限,以及 Enterprise / Edu 管理員可以做 spend controls。這些功能不是企業才需要,一般使用者也要養成習慣:不要一次授權太多資料,不要讓 Agent 直接做不可逆操作,重要輸出要驗證。
這也是為什麼我一直覺得 Agent 工作流需要紀律,你可以參考 Grill Me 的思路:先讓 AI 問清楚,再讓它執行,重要任務要有驗收清單;涉及資料、金錢、客戶、程式部署時,要保留人工確認點。
這對使用者代表什麼?
我覺得 ChatGPT Work 會讓三種人最先有感。
知識工作者: 可以把研究、整理、簡報、試算表、網站原型交給 Work 做第一版,再由人驗收。
開發者與產品團隊: Codex 能力整合進 ChatGPT 後,從需求、原型、程式、測試到部署的距離會縮短。
一人公司與內容創作者: 可以把資料蒐集、腳本、視覺化、網站、短片和社群素材變成一條工作流。
但這也會拉開差距。會下任務、會拆規格、會驗收、會控制成本的人,會把 ChatGPT Work 用得像小團隊,只會丟一句「幫我做一下」的人,可能只會得到昂貴又不穩的半成品。
我會怎麼開始用?
如果現在要開始測 ChatGPT Work,我會先從低風險但有價值的任務開始。
整理一個資料夾裡的 PDF、簡報和筆記,產出一份會議簡報。
讀一份 Excel 或 CSV,產出互動式 dashboard 和重點摘要。
把產品想法做成可點擊網站原型,再請它列出待驗證假設。
讓 Codex 檢查一個小型 repo,先產生修改計畫,不要直接改。
把 Slack / Gmail / Drive 這類外掛逐步接入,不要一開始全開。
如果你想比較本地 Agent 工作台和雲端 Work 模式的差異,可以接著看 OpenWork / OpenCode 桌面工作台 。雲端 Work 勝在整合和模型能力,本地工具則勝在可控、可自訂和成本安排。
結論:ChatGPT Work 是「AI 代理辦公」的分水嶺
ChatGPT Work 不是單純的新功能,而是 OpenAI 把 Codex、GPT-5.6、桌面 App、外掛、Sites、多 Agent 模式合在一起後,給一般使用者的一個新工作入口。
它最重要的意義是:AI 不再只是回答你的問題,而是開始接近「拿到目標後,跨工具完成工作」,這也是 AI Agent 真正從開發者圈走向辦公室、團隊、內容創作和一人公司的關鍵一步。
但越是這樣,越要記得兩件事:第一,強模型不等於免驗收;第二,長任務不等於低成本。未來真正重要的能力,不只是會用 GPT-5.6,而是會把任務設計成 AI 能完成、人能驗收、成本能控制的工作流。
延伸資源
VIDEO
FAQ
ChatGPT Work 是什麼?
ChatGPT Work 是 OpenAI 把 Codex 的 Agent 執行能力整合進 ChatGPT 後推出的工作模式,目標是處理比一般聊天更長、更複雜、需要跨工具完成的任務。
GPT-5.6 Sol、Terra、Luna 差在哪?
Sol 是旗艦模型,適合高難度 Agent 任務;Terra 是日常均衡模型;Luna 則主打速度和低成本,適合大量處理。
ChatGPT Work 和 Codex 是什麼關係?
Codex 提供長任務執行、工具操作和開發相關能力;ChatGPT Work 則把這些能力包進一般使用者能操作的 ChatGPT 工作介面。
近期留言